الذكاء الاصطناعي
تعمل شبكة الأسلاك النانوية الاصطناعية مثل الدماغ عند تحفيزها كهربائيًا
اكتشف العلماء في جامعة سيدني والمعهد الوطني الياباني لعلوم المواد (NIMS) كيفية جعل شبكة اصطناعية من الأسلاك النانوية تعمل بطريقة تشبه الدماغ عند تحفيزها كهربائيًا.
ونشرت الدراسة في طبيعة الاتصالات.
قاد الفريق الدولي جويل هوشستيتر ، وانضم إليه البروفيسور زدينكا كونسيتش والبروفيسور تومونوبو ناكاياما.
وجد الفريق أنه يمكنهم الاحتفاظ بشبكة من الأسلاك النانوية في حالة تشبه الدماغ "على حافة الفوضى" لأداء المهام على المستوى الأمثل.
وفقًا للباحثين ، يشير هذا إلى أن الطبيعة الأساسية للذكاء العصبي هي طبيعة جسدية ، ويمكن أن تؤدي إلى تطورات جديدة في الذكاء الاصطناعي.
جويل هوشستيتر مرشح لنيل درجة الدكتوراه في معهد نانو بجامعة سيدني وكلية الفيزياء والمؤلف الرئيسي للورقة.
قال Hochstetter: "استخدمنا أسلاكًا يبلغ طولها 10 ميكرومتر ولا يزيد سمكها عن 500 نانومتر مرتبة عشوائيًا على مستوى ثنائي الأبعاد".
قال: "عندما تتداخل الأسلاك ، فإنها تشكل تقاطعًا كهروكيميائيًا ، مثل نقاط الاشتباك العصبي بين الخلايا العصبية". "وجدنا أن الإشارات الكهربائية التي يتم إدخالها عبر هذه الشبكة تجد تلقائيًا أفضل طريق لنقل المعلومات. وتتيح هذه البنية للشبكة "تذكر" المسارات السابقة عبر النظام. "
اختبار شبكة Nanowire
استخدم فريق البحث عمليات المحاكاة لاختبار شبكة الأسلاك النانوية العشوائية من أجل معرفة أفضل أداء وحل المهام البسيطة.
كلما كانت الإشارة المحفزة للشبكة منخفضة جدًا ، لم ينتج المسار مخرجات معقدة بدرجة كافية لأنها كانت متوقعة للغاية. من ناحية أخرى ، إذا كانت الشبكة غارقة في الإشارة ، فإن الإخراج كان فوضويًا للغاية.
وهذا يعني أن الإشارة المثلى كانت على حافة هذه الحالة الفوضوية ، وفقًا للفريق.
البروفيسور كونسيك من جامعة سيدني.
قال البروفيسور كونسيتش: "تشير بعض النظريات في علم الأعصاب إلى أن العقل البشري يمكن أن يعمل على حافة الفوضى هذه ، أو ما يسمى بالحالة الحرجة". "يعتقد بعض علماء الأعصاب أنه في هذه الحالة نحقق أقصى أداء للدماغ."
وتابعت قائلة: "الأمر المثير في هذه النتيجة هو أنها تشير إلى أن هذه الأنواع من شبكات الأسلاك النانوية يمكن ضبطها في أنظمة ذات ديناميكيات جماعية متنوعة تشبه الدماغ ، والتي يمكن الاستفادة منها لتحسين معالجة المعلومات".
شبكة الأسلاك النانوية قادرة على دمج الذاكرة والعمليات في نظام واحد بسبب التقاطعات بين الأسلاك. هذا يختلف عن أجهزة الكمبيوتر القياسية ، التي تعتمد على الذاكرة والعمليات المنفصلة.
تعمل هذه التقاطعات مثل ترانزستورات الكمبيوتر ولكن مع خاصية إضافية لتذكر أن الإشارات قد سارت في هذا المسار من قبل. على هذا النحو ، يطلق عليهم اسم "memristors" ، قال Hochstetter.
تكون الذاكرة في شكل مادي حيث تعمل التقاطعات عند نقاط العبور بين الأسلاك النانوية مثل المفاتيح. يعتمد سلوكهم على الاستجابة التاريخية للإشارات الكهربائية ، وعندما يتم تطبيق الإشارات عبر التقاطعات ، يتم تنشيطها مع تدفق التيار من خلالها.
قال: "هذا يخلق شبكة ذاكرة داخل النظام العشوائي للأسلاك النانوية".
طور الفريق محاكاة للشبكة المادية لإثبات قدرتها على حل المهام البسيطة للغاية.
قال Hochstetter: "بالنسبة لهذه الدراسة ، قمنا بتدريب الشبكة على تحويل شكل موجة بسيط إلى أنواع أكثر تعقيدًا من أشكال الموجة".
قام الفريق بضبط اتساع وتردد الإشارة الكهربائية لمعرفة مكان حدوث أفضل أداء.
"وجدنا أنه إذا دفعت الإشارة ببطء شديد ، فإن الشبكة تفعل الشيء نفسه مرارًا وتكرارًا دون التعلم والتطوير. إذا دفعناها بشدة وبسرعة ، تصبح الشبكة غير منتظمة ولا يمكن التنبؤ بها.
مزايا العالم الحقيقي
وفقًا للبروفيسور كونسيك ، فإن توحيد الذاكرة والعمليات له فوائد كبيرة للذكاء الاصطناعي.
وقالت: "تحتاج الخوارزميات إلى تدريب الشبكة لمعرفة أي تقاطع يجب أن يُمنح" الحمل "المناسب أو وزن المعلومات الذي يستهلك قدرًا كبيرًا من القوة".
"الأنظمة التي نطورها تلغي الحاجة إلى مثل هذه الخوارزميات. نحن فقط نسمح للشبكة بتطوير الترجيح الخاص بها ، مما يعني أننا بحاجة فقط للقلق بشأن الإشارة الداخلة والخارجة ، وهو إطار يُعرف باسم "حوسبة الخزان". تتميز أوزان الشبكة بالتكيف الذاتي ، ومن المحتمل أن تحرر كميات كبيرة من الطاقة ".
يقول Kuncic أن هذا يعني أن أنظمة الذكاء الاصطناعي المستقبلية التي تعتمد على هذه الشبكات سيكون لها آثار طاقة أقل بكثير.
